并行机器学习算法基础体系前沿进展综述

被引：11

作者：

刘斌 ^{[1
]}

何进荣 ^{[1
]}

耿耀君 ^{[1
]}

王最 ^{[2
]}

机构：

[1] 西北农林科技大学信息工程学院

[2] 西北农林科技大学图书馆

来源：

计算机工程与应用 | 2017年 / 11期

关键词：

并行计算; 机器学习算法; 多核; 集群; 混合体系;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

大数据环境下,机器学习算法受到前所未有的重视。总结和分析了传统机器学习算法在海量数据场景下出现的若干问题,基于当代并行机分类回顾了国内外并行机器学习算法的研究现状,并归纳总结了并行机器学习算法在各种基础体系下存在的问题。针对大数据环境下并行机器学习算法进行了简要的总结,并对其发展趋势作了展望。

引用

页码：31 / 38+89 +89

页数：9

共 25 条

[1] Hadoop云平台MapReduce模型优化研究 [J].

张红 ;

王晓明 ;

曹洁 ;

马彦宏 ;

郭义戎 ;

王慜 .

计算机工程与应用, 2016, 52 (22) :22-25

[2] 基于Spark的并行频繁模式挖掘算法 [J].

曹博 ;

倪建成 ;

李淋淋 ;

于苹苹 ;

姚彬修 .

计算机工程与应用, 2016, (20) :86-91

[3] 基于SparkR的分类算法并行化研究 [J].

刘志强 ;

顾荣 ;

袁春风 ;

黄宜华 .

计算机科学与探索, 2015, (11) :1281-1294

[4] 一种基于Hadoop的高效K-Medoids并行算法 [J].

王永贵 ;

戴伟 ;

武超 .

计算机工程与应用 , 2015, (16) :47-54

[5] 基于CUDA的并行K-means聚类图像分割算法优化 [J].

霍迎秋 ;

秦仁波 ;

邢彩燕 ;

陈曦 ;

方勇 .

农业机械学报, 2014, 45 (11) :47-53+74

[6] 基于Hadoop的仿射传播大数据聚类分析方法 [J].

唐东明 .

计算机工程与应用, 2015, 51 (04) :29-34

[7] 基于关联规则的网络信息内容安全事件发现及其Map-Reduce实现 [J].

葛琳 ;

季新生 ;

江涛 .

电子与信息学报, 2014, 36 (08) :1831-1837

[8] 大数据下的机器学习算法综述 [J].

何清 ;

李宁 ;

罗文娟 ;

史忠植 .

模式识别与人工智能, 2014, 27 (04) :327-336

[9] 基于MapReduce的K-Medoids并行算法 [J].

张雪萍 ;

龚康莉 ;

赵广才 .

计算机应用, 2013, 33 (04) :1023-1025+1035

[10] 基于迭代式MapReduce的Apriori算法设计与实现 [J].

章志刚 ;

吉根林 .

华中科技大学学报(自然科学版), 2012, (S1) :9-12

← 1 2 3 →